劉金全 王梓任 陳潤東

（廣州大學，廣東 510006）

內(nèi)容提要：本文運用門限向量自回歸隨機波動率（SV-TVAR）模型研究金融周期視角下不確定性沖擊對我國經(jīng)濟的非線性影響，并測度了不同金融周期階段，財政政策和貨幣政策的宏觀調(diào)控效果。研究發(fā)現(xiàn)，無論是金融緊縮時期還是金融擴張時期，不確定性沖擊都具有產(chǎn)出緊縮、通貨緊縮和金融緊縮的多重效應(yīng)；但在金融緊縮時期，不確定性沖擊的負面影響更大更持久。我國經(jīng)濟政策應(yīng)對不確定性沖擊的反應(yīng)是“逆周期”和擴張性的。進一步的政策分析結(jié)果表明，金融緊縮時期的財政政策對熨平不確定性沖擊和穩(wěn)定經(jīng)濟增長的效果遠遠高于金融擴張時期，也高于同時期的“數(shù)量型”和“價格型”貨幣政策。對比不同金融周期階段“數(shù)量型”和“價格型”貨幣政策的調(diào)控效果，發(fā)現(xiàn)“數(shù)量型”貨幣政策在熨平不確定性沖擊方面效果更好，而“價格型”貨幣政策則在穩(wěn)定經(jīng)濟增長方面效果明顯。因此，要充分重視財政政策在熨平不確定性沖擊和穩(wěn)定經(jīng)濟增長中的主體地位，同時加強“數(shù)量型”貨幣政策和“價格型”貨幣政策在不同調(diào)控維度上的優(yōu)勢互補。

一、引言

不確定性沖擊作為經(jīng)濟周期波動的重要來源，一直是政策分析和學術(shù)研究關(guān)注的焦點。近年來，世界經(jīng)濟發(fā)展遭受到更強和更多樣化的不確定性沖擊，局部戰(zhàn)爭爆發(fā)、地緣政治爭端、逆全球化浪潮、國際貿(mào)易摩擦、主權(quán)債務(wù)危機、自然災(zāi)害和公共衛(wèi)生事件等時有發(fā)生，這些都通過各種渠道傳導至經(jīng)濟層面，形成經(jīng)濟不確定性。與此同時，自2008年國際金融危機爆發(fā)后，金融沖擊①金融沖擊泛指對金融市場（或金融部門）的擾動和沖擊。成為引致經(jīng)濟波動和阻礙經(jīng)濟復蘇的另一因素（Caldara等，2016）[1]，世界范圍內(nèi)的金融周期現(xiàn)象①金融周期現(xiàn)象是指某經(jīng)濟體在內(nèi)外部沖擊下，通過金融市場傳導至實體經(jīng)濟，造成金融市場和實體經(jīng)濟的持續(xù)性和周期性波動的現(xiàn)象，反映了各類金融指標（利率等）在不同金融波動階段的變化趨勢。愈加顯著。這些都促使人們重新思考金融因素在經(jīng)濟發(fā)展中所扮演的重要角色，將金融特征納入分析框架已成為宏觀經(jīng)濟學研究的新范式（陳雨露，2015）[2]。鑒于經(jīng)濟不確定性和金融周期現(xiàn)象已成為當前我國經(jīng)濟運行的常態(tài)化特征，以及金融市場可能會放大不確定性沖擊負面影響的考慮，本文將從金融周期的視角重新審視不確定性沖擊對我國經(jīng)濟的非線性影響，并進一步測度不同金融周期階段財政政策和量價貨幣政策熨平不確定性沖擊和穩(wěn)定經(jīng)濟增長的效果。

在經(jīng)濟學層面，不確定性是一個相對寬泛和模糊的概念（Bloom，2014）[3]，并不存在唯一的客觀衡量標準（Jurado 等，2015）[4]，基于不同的定義和不同的測度方法，實證文獻所構(gòu)建的不確定性指數(shù)也存在差異。最常見的是用金融市場波動率衡量經(jīng)濟不確定性，例如 Bloom（2009）[5]和 Caggiano 等（2014）[6]采用的芝加哥期權(quán)交易所VIX指數(shù)。也有學者利用商業(yè)調(diào)查資料將事前預測和事后數(shù)據(jù)的橫截面差值作為經(jīng)濟不確定性的衡量（Bachmann等，2013）[7]，或是運用文本挖掘技術(shù)抓取報紙和雜志中的關(guān)鍵詞頻率構(gòu)建經(jīng)濟政策不確定性指數(shù)（Baker等，2016）[8]。為了充分考慮大量宏觀經(jīng)濟變量的信息，Jurado等（2015）[4]使用因子模型提取因子預測誤差作為經(jīng)濟不確定性，王霞和鄭挺國（2020）[9]基于混頻動態(tài)因子模型構(gòu)建高頻的實時宏觀經(jīng)濟不確定性指數(shù)。這些探索極大豐富了不確定性的經(jīng)濟內(nèi)涵和測量方法，本文提供了一個新的思路，即從隨機波動率的視角刻畫出時變的經(jīng)濟不確性。雖然也有使用隨機波動率模型研究經(jīng)濟不確定性的，例如，祝梓翔等（2020）[10]運用SVAR均值波動率模型研究內(nèi)生不確定性的經(jīng)濟影響，劉玉榮等（2019）[11]運用SV-GARCH模型度量金融市場波動，但它們都是線性的，本文使用非線性的門限向量自回歸隨機波動率模型（SV-TVAR），可將金融周期和經(jīng)濟不確定性沖擊兩大重要經(jīng)濟特征納入同一計量分析框架。

眾所周知，不確定性沖擊的重要特征是不可預測性，這種特性會通過“預防性儲蓄”和“實物期權(quán)”渠道降低私人部門的消費和投資意愿，壓抑總需求，驅(qū)動經(jīng)濟周期下行（Basu和Bundick，2017；陳樂一和張喜艷，2018）[12-13]。由于經(jīng)濟個體具有風險規(guī)避傾向，不確定性會使得消費者增加預防性儲蓄，企業(yè)推遲不可逆轉(zhuǎn)的投資并減少雇傭人數(shù)，甚至會弱化貨幣政策調(diào)控效果 （Aastveit等，2017）[14]。Fajgelbaum等（2017）[15]還提出含有信息流動機制的內(nèi)生不確定性和經(jīng)濟周期理論模型，認為經(jīng)濟不確定性可以通過影響經(jīng)濟部門之間的信息流動改變經(jīng)濟主體的預期和決策，從而產(chǎn)生持久的經(jīng)濟效應(yīng)，即便是短期沖擊也可能導致長期衰退。當然，經(jīng)濟不確定性的影響并非全然都是負面的，例如，有些研究認為經(jīng)濟不確定性可能激勵企業(yè)更加注重創(chuàng)新，或者促使企業(yè)投資周期長、回報率高的行業(yè)，從而促進長期經(jīng)濟增長，產(chǎn)生所謂的“增長期權(quán)效應(yīng)”（Bloom，2014；Kraf等，2018）[3，16]。但這些研究都沒有充分考慮金融市場在不確定性沖擊傳導過程中的重要性。

新近研究開始注意到“金融摩擦②金融摩擦由金融市場的不完善（比如信息不對稱等）產(chǎn)生。一般地，發(fā)生金融危機時，金融壓力比較大時，金融摩擦會增大。”可能充當不確定性沖擊負面效果的放大器。Gilchrist等（2014）[17]發(fā)現(xiàn)，在沒有金融摩擦的世界，不確定性沖擊對產(chǎn)出的影響極其微弱。Alessandri和Mumtaz（2019）[18]發(fā)現(xiàn)在金融壓力③金融壓力是金融風險在形成、累積、轉(zhuǎn)化和擴散的一個過程，一般由金融壓力指數(shù)測度。金融壓力越大說明金融緊縮程度越強，其極端值代表金融危機。此外，金融市場波動較小時期則稱之為金融平穩(wěn)時期。高的時期不確定性沖擊對實體經(jīng)濟產(chǎn)生更強的負面影響，金融危機期間的不確定性沖擊對產(chǎn)出的影響是金融平穩(wěn)時期的六倍。Caldara等（2016）[1]證明，允許信貸條件對不確定性沖擊作出反應(yīng)對于衡量不確定性沖擊的經(jīng)濟影響至關(guān)重要，金融沖擊和不確定性沖擊的交互作用是導致大衰退的重要原因。Alfaro等（2018）[19]在其論文中發(fā)現(xiàn)不確定性沖擊對資本和勞動力產(chǎn)生負向的“實物期權(quán)效應(yīng)”，這導致企業(yè)囤積現(xiàn)金和削減債務(wù)以應(yīng)對未來沖擊，特別是對高金融摩擦時期具有更強信貸約束的企業(yè)。金融摩擦強化不確定性沖擊的負面影響主要是通過影響企業(yè)外部融資成本來實現(xiàn)，在不確定性更高的時期，由于金融中介對經(jīng)濟前景的擔憂和規(guī)避風險的傾向，企業(yè)通常需要付出更高的利息成本才能獲得融資，高度經(jīng)濟不確定性和深度金融摩擦可能存在相互強化的正反饋機制。Carriere-Swallow和Cespedes（2013）[20]的研究也表明，在金融市場不發(fā)達的國家，不確定性沖擊的影響通常更為強烈。這些研究都注意到金融市場或信貸市場的發(fā)展狀況和運行態(tài)勢對于不確定性沖擊影響實體經(jīng)濟的重要性?？紤]到金融條件時刻在變化，不確定性沖擊可能隨著金融周期波動產(chǎn)生非線性效應(yīng)，本文將探討不確定性沖擊在不同金融周期階段是否會對我國經(jīng)濟系統(tǒng)產(chǎn)生差異性影響，這正是國內(nèi)研究所欠缺的，也是本文的貢獻之一。

金融周期理論的發(fā)展，始于費雪的“債務(wù)-通縮理論”，深化于明斯基的“金融不穩(wěn)定性假說”，并脫胎于托賓的“銀行體系關(guān)鍵論”（支俊立等，2020）[21]。金融周期作為一種以金融因素為核心的子類經(jīng)濟周期表現(xiàn)形式，持續(xù)期長、波動性大，并與經(jīng)濟周期之間存在著復雜的聯(lián)系（付一婷等，2020）[22]。不確定性沖擊經(jīng)由金融市場或信貸市場對實體經(jīng)濟產(chǎn)生負向乘數(shù)效應(yīng)，是導致經(jīng)濟波動和總需求低迷的重要原因，也是金融周期加劇實體經(jīng)濟周期性波動的重要方式。測度金融周期視角下不確定性沖擊對于識別金融條件和不確定性沖擊的交互效應(yīng)、預防多種風險聚集具有極大的現(xiàn)實意義。同時，該研究的深入自然引出一個更為重要的問題，即當不確定性沖擊真正來臨時，政府采取何種政策手段能更有效地降低經(jīng)濟不確定性和穩(wěn)定經(jīng)濟增長，是財政政策還是貨幣政策，以及這些經(jīng)濟政策的效果是否會隨著金融周期階段的不同而改變?，F(xiàn)有文獻對于不同金融周期階段經(jīng)濟政策調(diào)控效果的研究還處在初級階段，國內(nèi)的相關(guān)研究幾乎是空白。為此，本文將對比不同金融周期階段的不同政策工具的調(diào)控效果，從而獲取不同政策工具在不同調(diào)控維度的優(yōu)劣勢。

當今世界正面臨百年未有之大變局。新冠肺炎疫情打斷了世界經(jīng)濟復蘇的趨勢，對全球產(chǎn)業(yè)鏈、價值鏈和宏觀經(jīng)濟增長造成嚴重沖擊，同時加速了全球經(jīng)濟和政治格局的重構(gòu)，后疫情時代成為經(jīng)濟不確定性大大增強的時代。我國當前也面臨著穩(wěn)增長、調(diào)結(jié)構(gòu)和防風險的挑戰(zhàn)?！笆奈濉币?guī)劃明確將“擴大內(nèi)需”作為一個重要的戰(zhàn)略基點，也提出要“構(gòu)建金融有效支持實體經(jīng)濟的體制機制”。這不能繞開“金融周期”和“不確定性沖擊”交互對內(nèi)需和實體經(jīng)濟的影響。研究金融周期視角下的不確定性沖擊和經(jīng)濟政策調(diào)控效果，對認識金融和不確定性沖擊之間的內(nèi)在關(guān)聯(lián)以及更有效地防范化解經(jīng)濟風險具有重要現(xiàn)實價值和理論價值。從國內(nèi)研究狀況看，對金融周期、經(jīng)濟不確定性、財政政策和貨幣政策的單獨研究非常之多，但很少有文獻從金融周期的視角對不確定性沖擊的非線性效應(yīng)和經(jīng)濟政策有效性進行挖掘。因此，本文的貢獻主要體現(xiàn)在以下兩個方面：（1）從金融周期視角探討不確定性沖擊對我國經(jīng)濟系統(tǒng)的非線性影響；（2）研究不同金融周期階段我國財政政策和貨幣政策降低經(jīng)濟不確定性和穩(wěn)定經(jīng)濟增長的效果，為更有針對性地選擇政策工具提供思路和參考。

二、計量模型結(jié)構(gòu)和實證測算思路

（一）門限自回歸隨機波動率模型

參照 Alessandri和 Mumtaz（2019）[18]的做法，本文將傳統(tǒng)的門限向量自回歸模型拓展到具有時變隨機波動率的形式。SV-TVAR模型有兩個重要目標：一是測度出經(jīng)濟不確定性，二是分別測度在金融緊縮時期和金融擴張時期經(jīng)濟不確定性對產(chǎn)出、通脹等變量的影響。因此，首先必須要有一個衡量經(jīng)濟不確定性的變量，學術(shù)界一種通用的做法是用隨機波動率λt代表經(jīng)濟不確定性，這就是本文為何在門限向量自回歸模型的基礎(chǔ)上添加波動率的原因。其次，由于經(jīng)濟不確定性會影響產(chǎn)出、通脹等變量，因此在建模的時候，要把隨機波動率影響內(nèi)生變量Yt的行為納入模型中，這就是為什么模型（1）會有兩部分的原因，它們的存在刻畫了經(jīng)濟不確定性會影響Yt。模型形式具體如下：

其中，Yt為 N×1 維內(nèi)生變量，{ci，βij，γij}j=1，2為不同金融區(qū)制下模型待估參數(shù)向量或矩陣，P和J分別為內(nèi)生變量Yt和隨機波動率λt的滯后階數(shù)，結(jié)構(gòu)殘差 et～N（0，IN）。t為二元虛擬變量，若金融周期指數(shù)Ft-d小于或等于金融門限值Z*，則，t=1代表金融緊縮狀態(tài)，否則t=0，代表金融擴張狀態(tài)。參數(shù)d和金融門限值Z*都由模型內(nèi)生估計得到。

假設(shè)不同金融區(qū)制下的模型殘差均具有時變的協(xié)方差矩陣：

其中，Ai為N×N維下三角矩陣，S為N維對角矩陣，隨機波動率λt不僅影響內(nèi)生變量均值，還影響模型殘差的協(xié)方差矩陣。假設(shè)隨機波動率服從如下的對數(shù)自回歸過程：

其中，α為常數(shù)，δ為自回歸系數(shù)，ηt服從方差為Q的獨立同分布。隨機波動率λt驅(qū)動著模型殘差協(xié)方差矩陣的時變性，這個過程被視為經(jīng)濟不確定性。因此，λt是經(jīng)濟不確定性的衡量，其數(shù)值越大，不確定性越強，而ηt被定義為不確定性沖擊。從經(jīng)濟意義上，不確定性沖擊ηt＞0會推高經(jīng)濟不確定性λt，導致模型協(xié)方差矩陣向上偏移，從而降低經(jīng)濟個體對未來k期變量Yt+k的預測能力，這意味著經(jīng)濟風險和不可預測性增強。將λt納入方程（1），允許經(jīng)濟變量和政策變量對時變經(jīng)濟不確定性做出內(nèi)生調(diào)整，有利于刻畫不確定性沖擊對實體經(jīng)濟和經(jīng)濟政策立場的影響。模型的區(qū)制轉(zhuǎn)移特征容納在兩組參數(shù)集{c1，βij，γij，Ωit}i=1，2內(nèi)，本文將根據(jù)脈沖響應(yīng)函數(shù)分析，研究不確定性沖擊對經(jīng)濟系統(tǒng)的潛在影響如何隨著金融周期的變化而變化。

這種基于模型測度的不確定性與經(jīng)濟主體預測經(jīng)濟基本面的能力直接相關(guān)。相比于Jurado等（2015）[4]所使用的因子預測模型，本文所使用的均值波動率模型將經(jīng)濟的一階和二階動態(tài)納入了內(nèi)在統(tǒng)一的框架，這是一個明顯的優(yōu)勢。在SV-TVAR模型中，經(jīng)濟主體將不確定性視為一個普通的狀態(tài)變量λt，根據(jù)其持續(xù)性（用δ刻畫）來預測它，同時考慮不確定性對經(jīng)濟系統(tǒng)的影響（γij≠0），最終形成對未來的預期EtYt+h，這些都被整合進入脈沖響應(yīng)函數(shù)分析中。因此，該模型能將經(jīng)濟不確定性和不確定性沖擊的經(jīng)濟效應(yīng)同時測算出來，而不是先測度經(jīng)濟不確定性，再利用其他回歸模型分析不確定性沖擊的影響。當然，該模型對經(jīng)濟不確定性的測度結(jié)果與所選擇的內(nèi)生變量緊密相關(guān)，必須選擇具有代表性的經(jīng)濟變量才能比較準確得到不確定性的歷史趨勢。

此外，模型假設(shè)λt不會被內(nèi)生變量Yt的滯后階數(shù)所影響，且結(jié)構(gòu)沖擊et和不確定性沖擊ηt是正交的，即E（etηt）=0，該外生性設(shè)定可以極大地簡化脈沖響應(yīng)函數(shù)的計算。在計算不確定性沖擊的脈沖響應(yīng)函數(shù)時，由于并不關(guān)注內(nèi)生變量本身結(jié)構(gòu)沖擊的影響，因此不需要對模型殘差的協(xié)方差矩陣結(jié)構(gòu)施加額外的理論約束。

（二）門限自回歸隨機波動率模型估計思路

1.內(nèi)生變量選取和構(gòu)建

本文選取實際GDP同比增長率、消費者物價指數(shù)、財政支出同比增長率、廣義貨幣供應(yīng)量M2增速和金融周期指數(shù)作為模型內(nèi)生變量，數(shù)據(jù)區(qū)間為1997年第一季度-2020年第四季度，季度頻率的金融周期指數(shù)根據(jù)月度金融周期指數(shù)加權(quán)平均得到。

我國金融周期指數(shù)的構(gòu)建是識別不同金融周期階段的前提，具體如下：金融周期的擴張與收縮受到貨幣政策、外匯市場、股票市場、銀行體系、信貸條件、資產(chǎn)價格等因素的共同影響，因此盡可能納入相關(guān)信息將更具代表性?；跀?shù)據(jù)可得性，本文選取全國房地產(chǎn)開發(fā)景氣指數(shù)、廣義貨幣供應(yīng)量M2月度同比增速、上證綜合指數(shù)月度收益率、深證綜合指數(shù)月度收益率、銀行利差（人民幣貸款基準利率與銀行同業(yè)7天拆借利率的差值）、實際有效匯率指數(shù)、外匯儲備月度同比增速、金融機構(gòu)人民幣貸款月度同比增速總共8個指標，分別使用HP濾波提取這些變量的周期性成分（濾波參數(shù)按照標準做法設(shè)置為14400），然后對周期性成分進行標準化①具體方法是（各期值-均值）/標準差。，再進行主成分分析，提取出第一主成分（該主成分的貢獻率達到90%），作為金融周期指數(shù)的代理變量。數(shù)據(jù)區(qū)間為1997年1月-2020年12月。構(gòu)建FCI的變量數(shù)據(jù)，以及后文所有使用到的變量數(shù)據(jù)，均來源于中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫和國家統(tǒng)計局。

圖1為金融周期指數(shù)的時序圖，陰影部分為SV-TVAR模型所識別出來的金融緊縮區(qū)制，其余則為金融擴張區(qū)制。本文僅將金融周期劃分為兩個區(qū)制，區(qū)制的劃分是由模型內(nèi)生確定，而不是根據(jù)一般的金融周期研究中“波峰波谷”的識別方法來決定。金融周期指數(shù)越低，代表金融壓力越大，金融緊縮程度越強。該序列較好地刻畫出金融周期的總體特征和趨勢走向，其中1997年亞洲金融風暴、2008年國際金融危機、2015年股票市場泡沫破裂和2020年第一季度新冠肺炎疫情時期的負面影響尤為顯著。實際上，金融周期的擴張與收縮不僅取決于金融市場自身的運行狀態(tài)，還與政策當局的偏好、立場和調(diào)控力度緊密相關(guān)。一個典型的例子是，由美國次貸危機引發(fā)的國際金融危機對我國金融穩(wěn)定造成了巨大的負面沖擊，但財政部和中央銀行出臺的超寬松財政政策和貨幣政策很快就抑制了金融周期的下行，甚至產(chǎn)生了金融過熱的跡象，但隨后的政策收緊又再次抑制了金融持續(xù)擴張的勢頭，這些都可以在本文構(gòu)建的金融周期指數(shù)的走勢中得到體現(xiàn)。當經(jīng)濟發(fā)展進入后危機時期，政策當局愈發(fā)重視金融穩(wěn)定的作用，新冠肺炎疫情雖然對實體經(jīng)濟造成巨大沖擊，但對我國金融市場的影響有限，其中一個重要原因便是得到了逆周期經(jīng)濟政策的支持。

圖1 我國金融周期指數(shù)演變路徑

2.滯后階數(shù)確定

滯后階數(shù)過短不足以捕捉數(shù)據(jù)動態(tài)特征，過長易導致“過度參數(shù)化”，加之我國可利用的季度數(shù)據(jù)較少，本文將內(nèi)生變量滯后階數(shù)和隨機波動率滯后階數(shù)均定為4，以便將一年內(nèi)的變量信息容納進來。

3.模型先驗參數(shù)設(shè)計和后驗分布估計

首先，設(shè)置各參數(shù)的先驗分布。假設(shè)VAR模型參數(shù){ci，βi}先驗服從自然共軛分布，先驗均值由每個內(nèi)生變量一階自回歸過程的OLS回歸系數(shù)決定。金融門限值Z*假設(shè)服從正態(tài)先驗分布，即，其中并且。由于金融周期指數(shù)的數(shù)值介于-1到1之間，樣本方差僅為0.002，先驗方差為1是一個相當寬松的先驗值。門限變量的滯后階數(shù)d的取值范圍為[1，4]，這主要由于數(shù)據(jù)頻率為季度而設(shè)置。對角矩陣S的元素先驗服從逆伽馬分布，即P（si）～IG（S0，i，V0），V0的自由度設(shè)為1。S0，i由回歸方程獲得，t為隨機波動率it提取的第一主成分，it由單均值波動率模型獲得。矩陣A1和A2的下三角元素均服從N（ols，V（ols）），其中ols是ols的Cholesky分解的逆矩陣的下三角元素，V（ols）假設(shè)為對角矩陣，且相應(yīng)的對角元素數(shù)值等于ols對應(yīng)位置元素的10倍絕對值。對數(shù)波動率的無條件均值 μ 服從正態(tài)先驗分布 N（μ0，Z0），其中μ0=0，Z0=10，μ=α/（1-δ）。方差Q先驗分布為IG（Q0，VQ0），Q0為單均值波動率模型估計的遷移方程（5）的方差均值，而 VQ0=5。δ的先驗分布為 N（δ0，H0），δ0=0.8且 H0=1。

其次是模型各參數(shù)后驗分布的估計。估計思路是比較直觀的，使用Jacquier等（2002）[23]為波動率模型開發(fā)的獨立Metropolis算法估計狀態(tài)變量λt，一旦確定了隨機波動率λt，SV-TVAR模型將退化為具有已知異方差的TVAR模型。通過模型廣義最小二乘（GLS）轉(zhuǎn)換，非線性的VAR參數(shù)、金融門限值和滯后階數(shù)d的條件后驗分布與標準TVAR等價。本文使用吉布斯采樣算法進行10000次迭代模擬，將前9000次丟棄。更多細節(jié)詳見Alessandri和Mumtaz（2019）[18]，這里不再贅述。

4.不確定性沖擊的非線性效應(yīng)識別

在獲得模型參數(shù)的后驗分布后，可以利用Koop等（1996）[24]的蒙特卡洛積分計算內(nèi)生變量對不確定性沖擊的廣義脈沖響應(yīng)函數(shù)。向前k期的脈沖響應(yīng)函數(shù)被定義為如下兩個條件期望的差值：

其中，S=0（代表金融擴張區(qū)制）或S=1（代表金融緊縮區(qū)制），Yst-1為特定區(qū)制的歷史數(shù)據(jù)，Ψt代表模型所有參數(shù)和超參數(shù)的信息集，k是所要考察的預測期數(shù)，μ代表不確定性沖擊。根據(jù)后驗參數(shù)，本文對不同金融區(qū)制分別進行500次吉布斯抽樣，每次抽樣均進行100次隨機模擬計算脈沖響應(yīng)函數(shù)并取均值，從而獲得每個區(qū)制中最具代表性的脈沖響應(yīng)函數(shù)。需要注意的是，即便是在特定區(qū)制的脈沖響應(yīng)函數(shù)計算中，經(jīng)濟仍然可以自由地從金融擴張區(qū)制遷移到金融緊縮區(qū)制（或從金融緊縮區(qū)制遷移到金融擴張區(qū)制），這取決于不確定性沖擊的強度和方向。換言之，區(qū)制轉(zhuǎn)換是內(nèi)生的，模擬過程同時考慮了內(nèi)生變量和參數(shù)集的動態(tài)變化。

（三）經(jīng)濟政策調(diào)控效果檢驗方法

為了進一步測度不同金融周期階段的經(jīng)濟政策效果，本文根據(jù)SV-TVAR模型估計的金融門限值將數(shù)據(jù)樣本劃分成金融擴張和金融緊縮兩區(qū)制，分別構(gòu)建貝葉斯VAR模型，納入實際GDP同比增長率、財政支出同比增長率、經(jīng)濟不確定性指數(shù)和貨幣政策變量，根據(jù)Cholesky識別的脈沖響應(yīng)函數(shù)，檢驗不同金融周期階段財政政策和貨幣政策熨平不確定性沖擊和穩(wěn)定經(jīng)濟增長的效果。

三、我國不確定性指數(shù)時變趨勢和不確定性沖擊的非線性效應(yīng)

（一）我國經(jīng)濟不確定性指數(shù)時變趨勢

圖2呈現(xiàn)了我國經(jīng)濟不確定性（即模型隨機波動率）的時變趨勢，陰影部分為迭代模擬所得到的68%置信區(qū)間。通過數(shù)值的相對水平可以比較不同時期的經(jīng)濟不確定性程度，以此判斷重大經(jīng)濟事件的影響力大小。該指數(shù)能夠較為客觀地刻畫我國經(jīng)濟不確定性的總體態(tài)勢，最為顯著的三個經(jīng)濟不確定性階段分別對應(yīng)亞洲金融風暴、國際金融危機和新冠肺炎疫情時期。亞洲金融風暴發(fā)生后，我國經(jīng)濟不確定性水平雖然較高，但伴隨經(jīng)濟成功實現(xiàn)軟著陸，不確定性水平逐步下滑。2003年，經(jīng)濟不確定性指數(shù)呈現(xiàn)一定的波動性，可能與“非典”的負面沖擊有關(guān)。2008年，國際金融危機爆發(fā)快速推升了經(jīng)濟不確定性，在2009年第一季度，即GDP增長率下滑至最低的時點，經(jīng)濟不確定性水平也達到峰值。隨后又快速滑落，這主要得益于超寬松財政政策和貨幣政策對經(jīng)濟增長的大力支持。經(jīng)濟新常態(tài)下，我國經(jīng)濟面臨結(jié)構(gòu)性調(diào)整，經(jīng)濟波動趨于緩和，所面臨的外生沖擊幅度也有所降低，直到新冠肺炎疫情的出現(xiàn)。新冠肺炎疫情對經(jīng)濟造成的沖擊最大，該時期的不確定性指數(shù)接近8，幾乎是國際金融危機時期的4倍。但是，也不難觀察到，經(jīng)濟不確定性指數(shù)從極值回落的速度非?？欤@不僅有賴于高效有力的經(jīng)濟政策托底，也一定程度上體現(xiàn)了我國經(jīng)濟增長的韌性和政府穩(wěn)增長的決心。不過，2020年第四季度的不確定性指數(shù)為1.4，仍然要比正常時期高很多，后疫情時期經(jīng)濟不確定性將會成為經(jīng)濟運行的常態(tài)化特征。

圖2 我國經(jīng)濟不確定性指數(shù)演變路徑

（二）不同金融周期階段不確定性沖擊的非線性效應(yīng)

圖3和圖4展現(xiàn)了不同金融周期階段各個內(nèi)生變量對不確定性沖擊的脈沖響應(yīng)函數(shù)，從中可以發(fā)現(xiàn)，無論是金融緊縮還是金融擴張時期，從累積效應(yīng)來看，不確定性沖擊都具有引發(fā)產(chǎn)出緊縮、通貨緊縮和金融緊縮的特性。①限于篇幅，本文并非展示累積脈沖響應(yīng)函數(shù)的圖像，有興趣的讀者可向作者索取。從GDP增長率的脈沖響應(yīng)函數(shù)的初始值看，在金融緊縮時期，一個標準差的不確定性沖擊會使得GDP增長率下降0.35%，而在金融擴張時期，不確定性沖擊促使GDP增長率下降0.05%，這意味著金融緊縮時期的不確定性沖擊對經(jīng)濟增長產(chǎn)生的衰退效應(yīng)遠遠大于金融擴張時期，前者是后者的七倍。然而，可以觀測到，GDP增長率的脈沖響應(yīng)函數(shù)在中期由負轉(zhuǎn)正，隨后收斂于零，這個特征在金融擴張時期和金融緊縮時期都有出現(xiàn)，并且峰值幾乎一樣。這可能由于我國強有力的財政政策和貨幣政策的搭配調(diào)控，貨幣當局釋放大量的流動性，不確定性沖擊的負效應(yīng)很快得到抑制，經(jīng)濟很快恢復甚至出現(xiàn)增長。即這種脈沖響應(yīng)數(shù)值符號的逆轉(zhuǎn)有可能是經(jīng)濟政策熨平不確定性沖擊時的調(diào)控力度過大（即政策超調(diào)）造成的，結(jié)合圖5和圖6的財政政策和貨幣政策對不確定性沖擊的正向反應(yīng)可以佐證這一點。其次，從理論上，不確定性沖擊如何引發(fā)物價變動取決于它主要影響的是供給端還是需求端，當不確定性沖擊主要充當總需求沖擊（即壓抑總需求）時，它會引起通貨緊縮（Basu和 Bundick，2017；Christiano等，2014）[12，25]，但如果是通過影響企業(yè)面臨的未來需求和邊際成本的不確定性，這種總供給沖擊就會產(chǎn)生通貨膨脹（Fernandez-Villaverde 等，2015）[26]。從CPI來看，金融緊縮時期CPI的脈沖響應(yīng)函數(shù)一直是負數(shù)，而金融擴張時期CPI的脈沖響應(yīng)函數(shù)初始值為正數(shù)，這個結(jié)果與Alessandri和Mumtaz（2019）[18]的實證研究結(jié)論比較接近。金融緊縮時期一般會伴隨著經(jīng)濟收縮，總需求處于相對比較低的水平，不確定性沖擊進一步降低了總需求，導致產(chǎn)出和通脹率下降，而金融擴張時期的總需求比較高，不確定性沖擊可能首先影響廠商的成本和預期，從供給端傳導到需求端，導致CPI出現(xiàn)先正向響應(yīng)后負向響應(yīng)的趨勢。因此，無論是哪個金融周期區(qū)制，不確定性沖擊最終都會影響總需求，但金融緊縮時期物價下降的程度要高于金融擴張時期，不確定性沖擊的通貨緊縮效應(yīng)在金融緊縮時期要更強。就金融周期指數(shù)的脈沖響應(yīng)而言，在不同金融周期階段，不確定性沖擊都會壓低金融周期指數(shù)，產(chǎn)生金融緊縮效應(yīng)，但脈沖響應(yīng)函數(shù)的置信區(qū)間都比較寬?？紤]到金融緊縮時期不確定性沖擊會進一步加劇金融緊縮程度，而金融緊縮程度的加深又可能反過來放大不確定性沖擊的負面影響，因此必須警惕金融緊縮和不確定性沖擊的相互強化效應(yīng)。

圖3 金融緊縮時期經(jīng)濟變量對不確定性沖擊的脈沖響應(yīng)函數(shù)②如無特別說明，本文所有脈沖響應(yīng)函數(shù)的單位均為季度。

圖4 金融擴張時期經(jīng)濟變量對不確定性沖擊的脈沖響應(yīng)函數(shù)

圖5 金融緊縮時期政策變量對不確定性沖擊的脈沖響應(yīng)函數(shù)

圖6 金融擴張時期政策變量對不確定性沖擊的脈沖響應(yīng)函數(shù)

圖5和圖6呈現(xiàn)了金融周期兩區(qū)制下政策變量對不確定性沖擊的脈沖響應(yīng)函數(shù)，從中可以看到，無論是金融緊縮還是金融擴張時期，財政政策和貨幣政策應(yīng)對不確定性沖擊的立場都是擴張性的，政府運用積極的經(jīng)濟政策穩(wěn)定經(jīng)濟增長的決心十分堅定。宏觀調(diào)控的力度把握是重中之重，它既要熨平外生沖擊的負面影響，又不能引致額外的經(jīng)濟波動，這對宏觀調(diào)控的精準有效性提出了更高的要求。

四、不同金融周期階段經(jīng)濟政策調(diào)控效果檢驗

為了檢驗不同金融周期區(qū)制下經(jīng)濟政策熨平不確定性沖擊和穩(wěn)定經(jīng)濟增長的效果，本文根據(jù)SV-TVAR模型所劃分的兩個金融周期階段，分別將實際GDP同比增長率Yt、財政支出同比增長率Gt、經(jīng)濟不確定性指數(shù)EUt和貨幣政策變量（包括廣義貨幣供應(yīng)量M2同比增長率Mt和銀行7天同業(yè)利率it）納入Giannone等（2015）[27]開發(fā)的貝葉斯向量自回歸（BVAR）模型中，基于Cholesky識別策略，計算GDP增長率和經(jīng)濟不確定性對財政政策沖擊和貨幣政策沖擊的脈沖響應(yīng)函數(shù)。之所以同時采用Mt和it作為貨幣政策變量納入VAR系統(tǒng)，是因為數(shù)量型和價格型工具都是我國當前貨幣政策調(diào)控的重要手段。由于Cholesky方法對變量排序比較敏感，在基準模型中，本文的變量排序依次為[Gt，EUt，Yt，Mt，it]①本文也做了一系列的穩(wěn)健性檢驗：第一，由于文獻中普遍的做法是將財政變量Gt放在第一位，將貨幣政策利率it放在最后一位，而對{EUt，Yt，Mt}的次序并沒有必然的安排，因此本文對模型內(nèi)生變量EUt，Yt，Mt的排序進行多次輪換，發(fā)現(xiàn)實證結(jié)果差異不大；第二，基準模型是包含“數(shù)量型”和“價格型”貨幣政策變量的五元BVAR模型，這是考慮到我國可能存在兩種貨幣政策工具混合使用的可能性，但在某些時期也有可能單獨使用其中一種，因此本文也分別測算了兩個四元 BVAR 模型（分別為[Gt，EUt，Yt，Mt]和[Gt，EUt，Yt，it]），最終結(jié)果與下文呈現(xiàn)的結(jié)果也是極為類似的。這足以說明本文結(jié)論的穩(wěn)健性，限于篇幅，有需要可向作者索要相關(guān)結(jié)果的內(nèi)容。，將財政變量 Gt放在第一位，即是假設(shè)財政政策不會對當期的宏觀經(jīng)濟和貨幣政策變化做出反應(yīng)，這意味著存在財政時滯（主要是內(nèi)在時滯較長），它也是大量財政政策研究中的標準做法（Blanchard和Perotti，2002;Auerbach 和 Gorodnichenko，2012；陳登科和陳詩一，2019）[28-30]。由前文SV-TVAR模型的潛在假設(shè)可知，經(jīng)濟不確定性指數(shù)EUt主要是指外源性的不確定性而不是內(nèi)生性的不確定性，因此將其放在第二位。經(jīng)濟增長率Yt放在第三位，意味著它會對當期的不確定性沖擊和財政沖擊做出反應(yīng)，這是合理的，不確定性沖擊可以迅速作用于金融市場和實體經(jīng)濟，而財政政策的外在時滯一般較短，一旦財政支出成功擴張，見效較快。相反，貨幣政策的內(nèi)在時滯較短，央行的決策能夠更為靈敏和快速應(yīng)對宏觀環(huán)境的變化，但貨幣政策外在時滯較長，從政策實施到作用于最終政策目標（經(jīng)濟增長）往往需要較長時間，因此將貨幣政策變量放在后面。

（一）不同金融周期階段財政政策調(diào)控效果

圖7和圖8呈現(xiàn)了不同金融區(qū)制下經(jīng)濟不確定性和GDP增長率對財政沖擊的脈沖響應(yīng)函數(shù)，陰影區(qū)域為貝葉斯模擬所獲得的68%置信區(qū)間。①由于本文樣本數(shù)據(jù)較少，因此BVAR模型的滯后階數(shù)設(shè)置為1，模擬迭代次數(shù)為兩萬次，拋棄前1萬次。如不特別說明，后面所有脈沖響應(yīng)函數(shù)結(jié)果的陰影區(qū)域均為68%置信區(qū)間。通過對比，可以看到，金融緊縮區(qū)制的財政沖擊效果明顯更好。從脈沖極值看，一個單位的財政支出增長率可以使得金融緊縮區(qū)制的經(jīng)濟不確定性下降0.6，并促使GDP增長率上升1%，而金融擴張區(qū)制的經(jīng)濟不確定性僅下降0.2，GDP增長率僅上升0.15%。從脈沖響應(yīng)的持續(xù)性看，金融緊縮區(qū)制下經(jīng)濟不確定性和GDP增長率收斂速度很快，而金融擴張區(qū)制下它們的持續(xù)性要更長。因此，金融緊縮時期財政政策的有效性要遠高于金融擴張時期，而金融擴張時期財政政策短期效應(yīng)小但持續(xù)期較長。經(jīng)典的凱恩斯理論告訴我們“經(jīng)濟衰退時期的財政政策有效性更高”，但并沒有告訴我們“金融衰退時期的財政政策有效性是否要高于金融擴張時期”。理論上，在金融緊縮時期，經(jīng)濟環(huán)境中的金融壓力和金融摩擦程度更大，更多的家庭和企業(yè)面臨更緊的流動性（或信貸）約束，此時經(jīng)濟主體可能難以通過資本市場進行跨期資金配置，擴張性的財政政策能夠通過緩解多種經(jīng)濟摩擦更加有效地擠入消費和投資，從而產(chǎn)生更高的乘數(shù)效應(yīng)。本文的結(jié)論與為數(shù)不多的研究金融周期和信貸周期中財政政策效應(yīng)的文獻結(jié)論相一致 （Pragidis 等，2018;Borsi，2018）[31-32]，這說明財政政策在金融（或信貸）緊縮時期乘數(shù)效應(yīng)更大的結(jié)論在中國視角下也是成立的。然而，與這類文獻的主要區(qū)別在于，本文在劃分金融周期時考慮了不確定性沖擊的信息，此處的實證結(jié)果所隱含的經(jīng)濟意義是，在不確定性沖擊產(chǎn)生更強負面經(jīng)濟效應(yīng)的金融緊縮區(qū)制，無論是熨平不確定性沖擊還是穩(wěn)定產(chǎn)出增長，擴張性財政政策都可以發(fā)揮更大的調(diào)控效果。這一點非常重要，因為在現(xiàn)實中，不確定性沖擊和金融周期常常是相互交織在一起的，財政政策能在金融緊縮區(qū)制中發(fā)揮更大的效果，除了它能更好地緩解金融摩擦或信貸約束外，還可能在于它能很好地穩(wěn)定經(jīng)濟主體的信心和預期，降低經(jīng)濟不確定性。就以我國情況來看，2008年金融危機爆發(fā)后，四萬億的財政沖擊在極短時間內(nèi)穩(wěn)住了經(jīng)濟增長和市場預期，2020年新冠肺炎疫情在全球蔓延時，我國財政發(fā)揮了重要的支撐和保障作用，使得經(jīng)濟快速恢復，這是我國能夠成為2020年世界主要經(jīng)濟體中唯一實現(xiàn)正增長國家的重要因素之一。

圖7 金融緊縮區(qū)制下經(jīng)濟不確定性和GDP增長率對財政沖擊的脈沖響應(yīng)

圖8 金融擴張區(qū)制下經(jīng)濟不確定性和GDP增長率對財政沖擊的脈沖響應(yīng)

（二）不同金融周期階段貨幣政策調(diào)控效果

圖9和圖10呈現(xiàn)了不同金融周期區(qū)制下經(jīng)濟不確定性和GDP增長率對貨幣沖擊的脈沖響應(yīng)函數(shù)。從脈沖極值看，金融緊縮區(qū)制下的貨幣供給M2增加1%可以降低經(jīng)濟不確定性0.13個單位，促進GDP增長率提升0.18%，而金融擴張區(qū)制下的經(jīng)濟不確定性僅下降0.085個單位，GDP增長率上升0.32%。然而，金融緊縮區(qū)制下GDP增長率對貨幣沖擊的脈沖響應(yīng)函數(shù)符號在第4期后出現(xiàn)反轉(zhuǎn)，并保持長時間的負值，這說明金融緊縮區(qū)制下的數(shù)量性貨幣政策對穩(wěn)定經(jīng)濟增長的效果只是短期的，長期來看政策效果并不穩(wěn)定，甚至會有負面的影響，而金融擴張時期對穩(wěn)定經(jīng)濟增長的效果比較穩(wěn)健。相反，擴張性的數(shù)量型貨幣政策無論是在金融緊縮區(qū)制還是在金融擴張區(qū)制，都能有效降低經(jīng)濟不確定性。因此，數(shù)量型貨幣政策在不同金融周期階段都能有效熨平不確定性沖擊，但在穩(wěn)定經(jīng)濟增長方面，只有在金融擴張時期才能發(fā)揮穩(wěn)定作用。

圖9 金融緊縮區(qū)制下經(jīng)濟不確定性和GDP增長率對貨幣供應(yīng)量沖擊的脈沖響應(yīng)

圖10 金融擴張區(qū)制下經(jīng)濟不確定性和GDP增長率對貨幣供應(yīng)量M2沖擊的脈沖響應(yīng)

考慮到我國貨幣政策框架正由數(shù)量調(diào)控向價格調(diào)控轉(zhuǎn)型，為了進一步探索價格型貨幣政策降低經(jīng)濟不確定性和穩(wěn)定經(jīng)濟增長的效果，圖11和圖12呈現(xiàn)了正向利率沖擊對經(jīng)濟不確定性和GDP增長率的影響。①VAR模型中結(jié)構(gòu)沖擊的脈沖響應(yīng)函數(shù)與結(jié)構(gòu)沖擊的大小和正負是成比例的，因此一單位負向利率沖擊的脈沖響應(yīng)函數(shù)與一單位正向利率沖擊的脈沖響應(yīng)函數(shù)關(guān)于x軸對稱?？梢钥吹?，無論是在哪個金融周期區(qū)制，經(jīng)濟不確定性指數(shù)的脈沖響應(yīng)函數(shù)置信區(qū)間都非常寬，且脈沖響應(yīng)函數(shù)的符號并不穩(wěn)定（由正轉(zhuǎn)負），這說明價格型貨幣政策在熨平經(jīng)濟不確定性方面效果欠佳。但利率沖擊可以有效地調(diào)控經(jīng)濟增長，從GDP增長率的脈沖極值看，降低一單位利率，在金融緊縮時期可以促使經(jīng)濟增長率上升0.2%，而在金融擴張時期可以促使經(jīng)濟增長率上升0.25%。與數(shù)量型貨幣政策相似，價格型貨幣政策在金融擴張時期對穩(wěn)定經(jīng)濟增長的效果要更好。同時，價格型貨幣政策對熨平經(jīng)濟不確定性的能力顯然要弱于數(shù)量型貨幣政策。

圖11 金融緊縮區(qū)制下經(jīng)濟不確定性和GDP增長率對利率沖擊的脈沖響應(yīng)

圖12 金融擴張區(qū)制下經(jīng)濟不確定性和GDP增長率對利率沖擊的脈沖響應(yīng)

對比分析可知，金融緊縮時期財政政策降低經(jīng)濟不確定性和穩(wěn)定經(jīng)濟增長的效果遠遠高于金融擴張時期，也高于同時期的數(shù)量型和價格型貨幣政策。這意味著無論是在金融緊縮時期還是金融擴張時期，無論是熨平不確定性沖擊還是穩(wěn)定經(jīng)濟增長，財政政策都發(fā)揮了更大的效應(yīng)，應(yīng)當確立財政政策在相關(guān)調(diào)控維度的主體地位。其次，對比數(shù)量型貨幣政策和價格型貨幣政策，數(shù)量型貨幣政策的主要優(yōu)勢在于平抑經(jīng)濟不確定性，在穩(wěn)定經(jīng)濟增長方面，數(shù)量型貨幣政策在金融緊縮時期總體上效果并不好，價格性貨幣政策能夠在穩(wěn)定經(jīng)濟增長發(fā)揮更大的效應(yīng)。這也符合我國利率市場化改革的現(xiàn)實背景，在金融自由化和影子銀行興起的今天，數(shù)量型貨幣政策對信貸資源的調(diào)控逐漸被削弱，貨幣乘數(shù)與產(chǎn)出的關(guān)聯(lián)性弱化，央行通過數(shù)量型貨幣政策難以達到合意的政策效果。因此，價格型貨幣政策將在穩(wěn)定經(jīng)濟增長方面發(fā)揮更大效用。但本文的研究卻表明，數(shù)量型貨幣政策仍然有用武之地，它在熨平經(jīng)濟不確定性方面還是不可替代的。實際上，學術(shù)界對于兩種貨幣政策工具調(diào)控效果的討論仍存在著很多分歧，而現(xiàn)實情況央行也并非只使用單一的政策工具調(diào)控經(jīng)濟，尤其是在當前貨幣政策具有多重目標調(diào)控需求、要同時兼顧穩(wěn)增長和防風險的情況下，認識到兩種貨幣政策工具在不同調(diào)控維度上的優(yōu)劣勢對于合理制定針對性政策指示以及提升貨幣政策整體效果具有重要意義。因此，在疏通和完善貨幣政策對實體經(jīng)濟傳導機制的過程中，政策制定者要綜合運用兩種貨幣政策工具在不同調(diào)控維度上的優(yōu)勢互補，方能更大程度發(fā)揮貨幣政策的作用。

五、研究結(jié)論和政策建議

本文運用門限向量自回歸隨機波動率模型研究金融周期視角下不確定性沖擊的非線性影響，發(fā)現(xiàn)不確定性沖擊對產(chǎn)出、物價和金融供給都有緊縮效應(yīng)，金融緊縮區(qū)制不確定性沖擊的負面影響更大更持久。我國應(yīng)對不確定性沖擊的政策立場是擴張性的。通過進一步的政策分析發(fā)現(xiàn)，金融緊縮時期的財政政策對熨平不確定性沖擊和穩(wěn)定經(jīng)濟增長的效果遠遠高于金融擴張時期，也高于同時期的數(shù)量型和價格型貨幣政策。通過數(shù)量型和價格型貨幣政策的調(diào)控效果對比，本文發(fā)現(xiàn)兩者的調(diào)控優(yōu)勢有所不同，數(shù)量型貨幣政策的調(diào)控優(yōu)勢主要體現(xiàn)在熨平不確定性沖擊方面，而價格型貨幣政策的調(diào)控優(yōu)勢主要體現(xiàn)在穩(wěn)定經(jīng)濟增長方面。

基于研究結(jié)論，本文提出如下政策建議：第一，完善金融周期狀態(tài)實時監(jiān)測的指標體系，并構(gòu)建經(jīng)濟風險程度精準評判的預警機制，為實現(xiàn)金融穩(wěn)定、抑制風險積聚和降低經(jīng)濟不確定性提供科學的參考標準。樹立危機意識和風險防范意識，從根源上抑制金融緊縮和不確定性沖擊產(chǎn)生交互強化效應(yīng)的可能性。第二，充分重視財政政策在熨平不確定性沖擊和穩(wěn)定經(jīng)濟增長中的主體地位，同時加強數(shù)量型貨幣政策和價格型貨幣政策在不同調(diào)控維度上的優(yōu)勢互補。只有充分認識到不同政策工具在不同經(jīng)濟金融周期階段對不同調(diào)控對象的優(yōu)劣勢，才能有效節(jié)約政策空間，通過精準有效的政策手段快速達到更大的調(diào)控效果，避免經(jīng)濟金融衰退期持續(xù)過長造成額外的效率和福利損失。